(＾ω＾)MG花粉之国如何爆大奖

【快班】Python機器學習

此課程所屬【python數據分析師職業方向】, 【人工智能職業方向】專業，報名專業套餐，可享受0元學習特惠！點擊了解詳情

隨報隨學	共9課	★★★
開課時間	課程周期	難易度

招生中

立即報名

Python

網絡

模型

算法

機器學習

神經網絡

課程介紹: 本課程是煉數成金《機器學習》（http://f.dataguru.cn/thread-229688-1-1.html）課程的姐妹篇，學習本課程前最好先學過（或同時進修）《機器學習》，兩門課程兼修可以起到更好的效果。參加本課程的初學者，建議同時參加《機器學習》快班（什么是快班？點擊了解）

相對于《機器學習》課程，本課程內容有以下特點：
1 對于《機器學習》中已經講過的模型算法，我們會在更高的高度，更細的粒度，大縱深的予以擴充，例如決策樹，本課程里會更詳細地講解剪枝過程，以及之前沒有涉及的回歸樹。又例如貝葉斯分類，本課程里將擴展到貝葉斯學習的高度，很多模型其實都有其貝葉斯含義，我們可以從更高的視角去對貝葉斯思維進行俯瞰，同時推廣至貝葉斯圖以及一般的概率圖模型。對于支持向量機，我們會講更多的凸優化，對偶問題的背景，同時擴展到核方法。等等。
2 大幅度補充《機器學習》中沒有涉及，但大家又非常感興趣的內容，例如特征工程，半監督學習，被稱為Kaggle神器的xgboost算法，流形學習等，這些都是大家夢寐以求的知識。
3 講述機器學習的主流算法在python下的實現，學習者可以熟練的運用python下有關的資源包快速實現或書寫部分代碼，部署自己的模型，并且通過python代碼實現的案例，了解這些模型的應用場景與調優方法。最近2年，python在機器學習領域得到長足發展，簡便輕量，設計合理的語言特性使其成為人工智能的首選語言，在算法模型封裝積累上，也有了長足進步，呈現出爆炸式增長之勢，學習好這門手藝，對于實現個人價值大有裨益

本課程的受眾主要是沒有經過專業訓練的IT專業人員，他們可能是程序員，運維，IT系統架構師等等，也適合沒有經過科班訓練的數據分析師。數據分析是一個業務+算法+IT的交叉領域，同時熟悉這三方面知識的人，可以玩轉大數據，產生無窮無盡的花樣，產生巨大的價值。但很無奈的情況是這種人才太少，IT人員即使熟悉本公司的業務，但同時又熟悉算法的人極少。一般只能做一些簡單的維度統計，指標計算等等，如果說到開發更高智能的系統，知識上鞭長莫及。本課程的目標，正是要打破知識的鴻溝，向IT人員普及算法知識，并把這些知識用于實際項目，把中國的機器學習應用能力提高一個臺階。

課程大綱

第1課機器學習基礎，有監督學習，無監督學習，半監督學習。機器學習與深度學習，人工智能的關系。部署python機器學習環境，matplotlib、Numpy、Scipy、libsvm、opencv、pandas、Anaconda、scikit-learn、theano、Keras、Tensorflow。機器學習基礎算法在python下實現。Python與R，Julia等對比。

第2課從貝葉斯網到概率圖模型，貝葉斯統計學，貝葉斯思維，一切皆有貝葉斯。生成式模型與判別式模型。先驗知識，貝葉斯統計在小數據學習中的應用。pyMC部署。手機短信發送行為分析案例。

第3課吉布斯抽樣，在貝葉斯統計中采用MCMC。網站轉化率A/B測試案例。用貝葉斯回歸進行金融預測的案例。

第4課決策樹，信息熵與相對熵，ID3，C4.5，CART等算法，剪枝過程。用scikit-learn實現決策樹。

第5課回歸樹。adaboost算法。提升樹，分類提升樹，回歸提升樹。梯度提升。用決策樹構建隨機森林。深度森林，及其與深度神經網絡的對比？深度森林是否可以取代深度學習？

第6課 XGboost，原理及實現。計算學習理論，機器學習是騙局嗎？VC維與樣本復雜度。超參數如何選擇？缺失數據處理方法。類不平衡的處理。特征工程。與上述問題有關的scikit-learn函數。

第7課在海量短信中定位垃圾短信，半監督學習及其困難之處。聚類假設與流形假設。從k-means衍生的半監督學習算法。協同訓練及其Python實現。co-forest算法，并應用于醫學圖像分析，半監督SVM及python實現。

第8課基于EM算法的半監督學習生成式方法。基于圖的方法，label propagation和label spreading的python實現，多種半監督學習方法效果比較。用label propagation進行手寫體識別。

第9課流形學習與降維，用scikit-learn實現流形學習

第10課凸優化，梯度下降算法，永恒難題之局部極小值，SGD隨機梯度下降算法，python中實現梯度下降算法及SGD。梯度下降算法應用于神經網絡，BP學習算法，用theano實現BP神經網絡，神經網絡各種訓練框架和工業級實現，用tensorflow實現更復雜的神經網絡結構。梯度下降算法在推薦系統中的應用，構筑一個新聞推薦系統

第11課凸優化與支持向量機，核方法，支持向量回歸，核嶺回歸，應用支持向量機作人臉識別。在python中利用libsvm實現支持向量機，python中實現核有關算法

課程學費: 學費：400元（固定學費：300元 + 逆向學費：100元）
新穎的課程收費形式：“逆向收費”約等于免費學習，課程收取300元固定收費 + 100元逆向學費，學習圓滿則全額獎勵返還給學員！

特別說明如下: 本門課程本來打算完全免費，某位大神曾經說過“成功就是正確的方向再加上適度的壓力”。考慮到講師本身要付出巨大的勞動，為了防止一些朋友在學習途中半途而廢，浪費了講師的付出，為此我們計劃模仿某些健身課程，使用“逆向收費”的方法。在報名時每位報名者收取400元，其中300元為固定收費，另外100元是暫存學費，即如果學員能完成全部課程要求，包括完成全部的書面作業，則100元全款退回。如果學員未能堅持到完全所有的學習計劃任務，則會被扣款。期望這種方式可以轉化為大家強烈的學習愿望和驅動力！

課程授課方式

1、學習方式：老師發布教學資料、教材，幻燈片和視頻，學員通過網絡下載學習。同時通過論壇互動中老師對學員進行指導及學員之間相互交流。

【快班】Python機器學習	立即報名
開課時間：隨報隨學課程周期：共9課難易度：★★★

授課老師

老師其他課程

課程所屬專業

其他快班課程

專業相關課程

熱招課程